声明
致谢
摘要
1 绪论
1.1 研究背景与意义
1.2 国内外研究进展
1.2.1 PM2.5 浓度时空特征研究
1.2.2 PM2.5 浓度预测研究
1.3 主要研究内容
1.4 论文组织和章节安排
2 基于集成深度学习的PM2.5 小时浓度预测模型
2.1 预测问题描述
2.2 基于门控循环单元的循环神经网络模型
2.2.1 循环神经网络介绍
2.2.2 架构设计
2.2.3 激活函数
2.2.4 正则化
2.2.5 自适应学习率算法
2.2.6 其他参数
2.2.7 模型可视化
2.3 基于时序的卷积神经网络模型
2.3.1 卷积神经网络介绍
2.3.2 时序数据的展开
2.3.3 架构设计
2.3.4 卷积模块设计
2.3.5 池化模块设计
2.3.6 其他参数
2.3.7 模型可视化
2.4 Stacking集成模型
2.4.1 Stacking集成策略介绍
2.4.2 元学习器设计
2.4.3 集成模型的训练
2.4.4 模型可视化
2.5 评价指标
2.6 本章小结
3 中国大陆地区PM2.5 浓度时空特征分析
3.1 研究区概况及数据来源
3.1.1 研究区概况
3.1.2 数据来源
3.2 PM2.5 浓度的时间特征分析
3.2.1 PM2.5 浓度的季节变化特征
3.2.2 PM2.5 浓度的月度变化特征
3.2.3 PM2.5 浓度的周内日变化特征
3.2.4 PM2.5 浓度的曰内时间段变化特征
3.2.5 PM2.5 浓度的日内逐小时变化特征
3.3 PM2.5 浓度的空间特征分析
3.3.1 基于近邻分析的PM2.5 浓度空间分布特征
3.3.2 基于空间插值的PM2.5 浓度空间分布特征
3.3.3 基于空间自相关的PM2.5 浓度空间分布特征
3.4 本章小结
4 中国大陆地区PM2.5 小时浓度预测研究实例
4.1 实验环境与数据预处理
4.2 实验结果与分析
4.2.1 全局视角下的预测结果与分析
4.2.2 城市群视角下的预测结果与分析
4.2.3 城市视角下的预测结果与分析
4.2.4 站点视角下的预测结果与分析
4.3 本章小结
5 总结与展望
5.1 工作总结
5.2 创新点
5.3 研究展望
参考文献
作者简历